使用空间非相干衍射光学网络执行复值线性变换最先进的神经网络中的大部分计算包括线性运算,例如矩阵向量乘法和卷积。线性运算在密码学中也可以发挥重要作用。虽然 GPU 和 TPU 等专用处理器可用于执行高度并行的线性操作,但这些设备耗电,电子设备的低带宽仍然限制了它们的运行速度。光学器件因其固有的并行性以及较大的带宽和计算速度而更适合此类操作。 由一组空间工程薄表面、衍射深度神经网络 (D2NN),也称为衍射网络,形成了一种最近兴起的光学计算架构,能够以光在超薄体积中传播的速度被动地执行计算任务。 这些特定任务的全光学计算机是通过学习其组成衍射表面的空间特征而进行数字设计的。按照这个一次性设计过程,优化的表面被制造和组装,形成衍射光学网络的物理硬件。 在Advanced Photonics Nexus上发表的论文中,由加州大学洛杉矶分校校长教授兼Volgenau工程创新主席Aydogan Ozcan领导的研究小组介绍了一种在空间非相干照明下使用衍射网络执行复值线性运算的方法。 使用空间非相干衍射网络的复值线性变换 (a) 空间非相干衍射网络模型的工作流程:输入向量的复值元素由一组真实的非负强度值(镶嵌)表示。得到的输入强度模式被馈入非相干衍射网络。在输出中,从一组预定义的强度像素合成复值矢量元素(去马赛克)。(b) 图像加密应用。字母“U”和“C”被编码在复杂图像的振幅和相位中,该图像被数字加密,然后使用空间非相干衍射网络进行解密。解密后的复杂图像与原始图像非常匹配。 同一小组之前已经证明,具有足够自由度的衍射网络可以对空间相干光进行任意复值线性变换,误差可以忽略不计。 相反,对于空间非相干光,如果定义变换的矩阵元素是实数和非负的,则这些网络可以对输入光强度执行任意线性变换。鉴于空间上不相干的照明源更普遍且更易于访问,因此越来越需要空间上不相干的衍射处理器来处理非负值以外的数据。 通过结合预处理和后处理步骤,用一组非负实数表示复数,加州大学洛杉矶分校的研究人员将空间非相干衍射网络的处理能力扩展到复数域。 相关链接:https://phys.org/news/2024-01-complex-valued-linear-spatially-incoherent.html 分享到:
|